[发明专利]人工智能在核素心肌灌注显像中的辅助诊断系统、方法及应用

说明书

本发明属于医学影像处理技术领域，公开了人工智能在核素心肌灌注显像中的辅助诊断系统、方法及应用。将标注后的图像放入深度学习网络进行特征提取，从而对辅助诊断模型进行训练；基于特征提取训练完毕后的辅助诊断模型对输入被检测图像进行不同病变位置和不同病变程度进行判断；同时应用改进的分割网络进行靶心图检测，统计出心肌缺血部位的面积占比；将统计后的结果进行可视化显示。本发明通过逐步完善此人工智能网络，以提高其诊断准确性，之后将其拓展到核医学其它检查部位图像的辅助诊断以及推广到云端辅助诊断，为基层医院及检查量大的医院或其他第三方机构提供支持，为核素心肌灌注显像的辅助诊断提供一种全新的手段。

技术领域

本发明属于医学影像处理技术领域，尤其涉及一种人工智能在核素心肌灌注显像中的辅助诊断系统、方法及应用。

背景技术

目前，心肌核素灌注显像作为无创检查中最常用的冠心病影像学诊断方法，它可以较为准确的对心肌缺血的程度、面积以及部位作出评估。随着近些年心肌核素灌注显像的成熟，其在对冠心病的危险分级、各级预防、治疗方案及预后评估等方面积累了大量的临床资料，具有良好的参考意义。

基于人工智能的学习网络过去在医学中的应用存在一定难度,限制了它在医学领域中的应用。而近些年来，随着人工智能神经网络的发展，已较为普遍的应用于各行各业。人工智能在保证工作正确有效进行的前提下，大幅度的减少了不必要的劳动支出和时间成本，提高了工作效率。在这样的人工智能大背景下，如何实现人工智能网络学习与医学临床应用的有效结合成为亟待探索与解决的问题。

尽管人工智能在一些诸如超声、CT、核磁共振、病理检测等图像诊断领域已经得到了部分程度的验证与应用，但其目前在核医学心肌灌注图像的辅助诊断方面仍处于空白阶段，因此其应用具有很大的可行性和必要性。在中外文献数据库中通过检索相关关键词(中文数据库检索词为：“心肌灌注显像”and“人工智能”；英文数据库检索词为：“Myocardialperfusion imaging and”and“Artificial intelligence”)，共搜索到0篇中文文献，37篇英文文献。其中，这些研究中主要有三个不足点：1、部分研究只针对心脏靶心图进行人工智能网络模型进行训练；2、大多数研究并没有针对心肌三个心腔轴17分区不同部位进行高准确度的诊断；3、没有利用人工智能对不同心腔轴不同部位、不同程度病变进行综合辅助诊断。目前，对于核医学心肌灌注和AI的结合运用尚未得到验证，并未有相关文献或报道。如果将两者的结合应用具有一定的新颖性和创新性。同时，通过特殊的诊断流程和方法可以作为一种有效的智能化辅助诊断的解决手段。

通过上述分析，现有技术存在的问题及缺陷为：

(1)对于核医学心肌灌注和AI的结合运用于医学图像处理，现有技术没有给出全面的心肌核素灌注显像诊断技术路线。

(2)现有技术医学领域图像处理中，传统的神经学习网络有其局限性，使得图像处理的准确度较低。

(3)现有技术医学领域图像处理中，临床医学图像诊断效率低，劳动成本高。

解决以上问题及缺陷的难度为：核医学心肌灌注图像诊断的难点在于其图像诊断的复杂性和综合性，对医师的临床经验要求较高，同时需对照多个轴位的图像综合作出评判。而AI可以在已知标注图像中获取特征，从而使诊断效率最大化。由于医学领域图像的特殊性，传统的神经学习网络有其局限性，因而不能直接应用于医学领域，而要对其进行必要的改进。本发明将建立与验证一种基于深度学习网络和检测流程的新的辅助诊断模式。

解决以上问题及缺陷的意义为：使用新的神经学习网络进行辅助诊断，一方面可以使诊断具备综合性，能够从心肌整体核素摄取状态进行综合评判；另一方面，可以使这种综合评判更好的建立在诊断效率上，进而使诊断效率和综合性最大化。

发明内容

为克服相关技术中存在的问题，本发明公开实施例提供了一种人工智能在核素心肌灌注显像中的辅助诊断系统、方法及应用。所述技术方案如下：